深度学习加速心血管磁共振功能评估：与传统bSSFP序列的对比研究

本研究针对心血管磁共振(CMR)检查时间长、患者耐受性差的问题，通过前瞻性对比深度学习(DL) cine序列与传统平衡稳态自由进动(bSSFP)序列在62例患者中的表现，证实DL cine在左心室(LV)和右心室(RV)功能参数评估中具有强一致性（偏差<2.43%），且扫描时间缩短52%（1.35±0.55 min vs 2.83±0.79 min），图像质量总体相当（中位数5分），为临床快速精准评估心脏功能提供了新方案。

　　

心血管磁共振(CMR)作为无辐射的心脏评估金标准，其核心功能评估依赖平衡稳态自由进动(bSSFP)序列，但传统方法存在扫描耗时长（单次2.83分钟）、患者耐受性差的痛点。随着深度学习(DL)在医学影像领域的突破，基于神经网络的加速成像技术能否在保持诊断精度的同时提升效率，成为临床关注焦点。

意大利罗马第一大学附属圣安德烈医院的研究团队在《La radiologia medica》发表了一项前瞻性研究，首次系统评估了商用DL cine序列(Sonic DL^TM)的临床价值。研究纳入62例需CMR检查的患者（平均年龄47±17岁），同步采集传统bSSFP和DL cine短轴序列，通过对比左心室(LV)和右心室(RV)的舒张末期容积(EDV)、收缩末期容积(ESV)、每搏输出量(SV)、射血分数(EF)及LV质量(EDM)等参数，结合图像质量评分（5分制Likert量表），验证了DL技术的可靠性。

关键技术方法包括：1）使用1.5T MRI(GE SIGNA Voyager)同步采集DL cine与bSSFP短轴序列；2）通过专用软件(cvi42)进行心室分割分析；3）采用Bland-Altman分析评估参数一致性（预设可接受界限为10%）；4）双盲图像质量评估（关注血液-心肌对比度、心内膜边缘清晰度和运动伪影）。

主要结果
Acquisition time and cardiac function parameters
DL cine将扫描时间缩短至1.35±0.55分钟（较bSSFP降低52%，P<0.001）。LV参数差异无统计学意义（P≥0.149），其中LVEDV偏差仅0.45%，92%病例落在预设一致性范围内。RV评估中，RVEDV一致性最佳（90%病例符合标准），但RVSV稍逊（79%）。

Subjective image quality
总体图像质量评分均为5分（四分位距4-5），但DL cine心内膜边缘清晰度略低（4分 vs bSSFP的5分，P=0.002），可能与k空间欠采样导致的平滑效应有关。血液-心肌对比度（5分）和运动伪影控制（5分）表现优异。

结论与意义
该研究证实DL cine能实现LV/RV功能的快速精准评估，参数偏差均<2.43%，且保持诊断级图像质量。其52%的扫描时间缩减显著提升CMR检查效率，尤其适合心率不稳定或耐受性差的患者。尽管心内膜边缘显示存在优化空间，该技术已具备临床替代传统bSSFP的潜力，为人工智能在心脏影像中的转化应用提供了高质量循证依据。研究团队特别指出，DL模型通过整合1.5T/3T多中心数据持续优化，未来可进一步拓展至心肌应变分析等高级功能评估领域。